具有约束的动态投入产出最优控制模型

研究了一类具有终端产出约束的动态投入产出问题的最优控制模型 ,分析了该模型最优控制的存在性和唯一性 .利用与其相应的无约束问题已有结论 ,把该模型最优控制的研究转化成一个较为简单的扰动模型最优控制的研究 ,利用罚函数法 ,推导出扰动模型的最优反馈控制 .最终得到了具有终端产出约束最优控制问题的最优反馈控制 .实例仿真计算验证了结果的有效性 .

线性系统同时极点配置的代数几何方法

利用代数几何方法,研究两个线性系统状态反馈和输出反馈同时极点配置问题。通过讨论代数几何中的有理映射是否为到上的,来判别线性系统的特征多项式的系数可否几乎任意配置,从而推导出两个线性系统状态反馈和输出反馈同时极点配置的充分条件。将此结论应用到同时镇定问题上,得到了两个线性系统同时镇定的充分条件,并证明了如果两个线性系统存在复反馈同时配置极点,则一定存在实反馈同时配置极点。

2-D广义系统的特征多项式配置

利用代数几何方法,研究具有多输入的 2 D广义系统Roesser模型的特征多项式系数的任意配置问题.通过引入恰当形式的状态反馈,消除了 2 D广义系统的无穷远极点,得到了相应的闭环系统.以代数几何方法为工具,将此闭环系统的特征多项式配置问题转化为判别有理映射是否为到上的,推导出多输入的 2 D广义系统Roe sser模型由状态反馈几乎任意配置特征多项式系数的充分条件.利用此方法同样可对基于输出反馈的特征多项式配置问题进行研究,并给出了 2 D广义系统由输出反馈几乎任意配置特征多项式系数的充分条件,从而丰富和发展了多输入情况下的 2 D广义系统特征多项式配置的理论.

二维广义系统Roesser模型局部能达和局部能控性

研究了二维广义系统Roesser模型的性质,推导出了该系统的状态响应公式.给出了其在矩形区域上局部能达和局部能控的充分必要条件.同时,利用二维Z变换理论,给出了二维广义系统Roesser模型局部能达和局部能控的等价定义,并得出该模型相应的局部能达和局部能控的新的充分必要条件.

运输问题的人工神经网络方法

构造一个 Hopfield神经网络 ,使其平衡点为运输问题的最优解 ;提出了运输问题的人工神经网络方法。这种算法易于软件实现 ,对于高维问题其计算量的增加远远低于表上作业法。此外 ,对于初值并不要求必须是可行解 ,这将给算法的实现带来极大的方便。最后给出了一个实例的仿真计算 ,并把人工神经网络方法的结果与表上作业法的结果进行了比较和分析。

非线性迭代学习控制问题的延拓修正牛顿法(英文)

对于非线性迭代学习控制问题,提出基于延拓法和修正Newton法的具有全局收敛性的迭代学习控制新方法.由于一般的Newton型迭代学习控制律都是局部收敛的,在实际应用中有很大局限性.为拓宽收敛范围,该方法将延拓法引入迭代学习控制问题,提出基于同伦延拓的新的Newton型迭代学习控制律,使得初始控制可以较为任意的选择.新的迭代学习控制算法将求解过程分成N个子问题,每个子问题由换列修正Newton法利用简单的递推公式解出.本文给出算法收敛的充分条件,证明了算法的全局收敛性.该算法对于非线性系统迭代学习控制具有全局收敛和计算简单的优点.